資源描述：
《總結(jié)sift(更新版)》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、平臺：OpenCV依賴：GSLOpenCV1影像處理圖像濾波幾何圖像變換及其他圖像變換直方圖結(jié)構(gòu)分析和形狀描述運動分析與對象跟蹤特征檢測目標(biāo)檢測2高級別的圖形用戶界面和媒體文件讀寫用戶界面圖像和視頻的讀寫Qt上的使用3視頻分析運動分析與對象跟蹤4攝像機標(biāo)定及三維重建攝像機標(biāo)定及三維重建52D功能框架特征檢測和描述：特征檢測器、描述符提取器、描述符匹配、通用描述符匹配器關(guān)鍵點匹配的繪制對象分類6目標(biāo)檢測級聯(lián)分類LatentSVM（支持向量機算法(SupportVectorMachine,SVM)）7機器學(xué)習(xí)統(tǒng)計模型普通貝葉斯分類器K-近鄰支持向量機決策樹
2、Boosting梯度Boosted樹隨機樹極隨機樹期望最大化神經(jīng)網(wǎng)絡(luò)MLData8多維空間中的聚類和搜索快速近似最近鄰搜索FLANN聚類9GPU加速計算機視覺影像處理矩陣減少目標(biāo)檢測特征檢測和描述圖像濾波攝像機標(biāo)定及三維重建視頻分析10計算攝影學(xué)圖像修補去噪11圖片拼接拼接管道相機特征查找和圖像匹配旋轉(zhuǎn)估計自動校準(zhǔn)圖像扭曲縫估計曝光補償圖片調(diào)和其他12其他立體匹配人臉識別運動分析期望最大化直方圖平面細(xì)分（CAPI）OpenCL的加速計算機視覺AndroidAPIGNUScientificLibraryMathematicalFunctionsCompl
3、exNumbersPolynomialsSpecialFunctionsVectorsandMatricesPermutationsCombinationsMultisetsSortingBLASSupportLinearAlgebraEigensystemsFastFourierTransformsNumericalIntegrationRandomNumberGenerationQuasi-RandomSequencesRandomNumberDistributionsStatisticsHistogramsN-tuplesMonteCarloIn
4、tegrationSimulatedAnnealingOrdinaryDifferentialEquationsInterpolationNumericalDifferentiationChebyshevApproximationsSeriesAccelerationWaveletTransformsDiscreteHankelTransformsOnedimensionalRoot-FindingOnedimensionalMinimizationMultidimensionalRoot-FindingMultidimensionalMinimiza
5、tionLeast-SquaresFittingNonlinearLeast-SquaresFittingBasisSplinesPhysicalConstantsIEEEfloating-pointarithmetic數(shù)學(xué)函數(shù)復(fù)數(shù)多項式特殊功能向量和矩陣排列合并多集排序基本線性代數(shù)子程序（BLAS）支持線性代數(shù)Eigensystems快速傅立葉變換數(shù)值積分隨機數(shù)生成器準(zhǔn)隨機序列隨機分布統(tǒng)計直方圖N-元組蒙特卡羅積分模擬退火算法常微分方程插值數(shù)值微分切比雪夫逼近系列加速度小波變換離散漢克爾變換一維求根一維最小化多維求根多維最小化最小二乘法擬合非線性最小
6、二乘法擬合基礎(chǔ)樣條曲線物理常數(shù)IEEE浮點運算sift.h文件參考檢測SIFT圖像功能。#include“cxcore.h”算法步驟：1.建立尺度空間為了讓尺度體現(xiàn)其連續(xù)性，在簡單降采樣的基礎(chǔ)上加上了高斯濾波。一幅圖像可以產(chǎn)生幾組（octave）圖像，一組圖像包括幾層（interval）圖像。2.尋找極值點3.去除不穩(wěn)定的極值點（低對比度）利用公式確定精確定位后的極值點的像素值，進(jìn)行對比度的檢測。若像素值滿足大于contr_thr/intvls（程序中為0.04/3），則該點才能最終確定為極值點。4.去除邊界影響點使用Hessian矩陣去除邊界影響點：
7、如果該點滿足則保留，否則被排除α為最大特征值，β為最小的特征值,在程序中r=10.5.特征點方向計算公式：scl_octv=σ*2.0intvl/intvls，式中：scl_octv為關(guān)鍵點的尺度，intvl為關(guān)鍵點在高斯差分金字塔中所處于的層數(shù)以關(guān)鍵點為中心，劃定一個鄰域，利用所有在此區(qū)域內(nèi)的點的梯度形成一個方向直方圖。偏移為rad的正方形區(qū)域，rad=四舍五入（3*1.5*scl_octv）梯度加權(quán)系數(shù)w的確定：w=exp(-(i*i+j*j)/exp_denom)，每個像素點的梯度值都必須乘以該點所對應(yīng)的高斯權(quán)，這樣才能得到最終的梯度值。根據(jù)Lo
8、we的建議，模板采用[0.25,0.5,0.25]，并連續(xù)加權(quán)兩次。生成含有36柱的方向直方圖
